基于图块协同与学习的全极化遥感影像信息增强方法

Fully polarimetric SAR (PolSAR) systems have their irreplaceable merits for earth observation. However, due to the systems' complexity and the high power dissipation, PolSAR images are severely affected by speckle noise and have relatively lower spatial resolutions than single-polarizaion images, which restricts their potentials in many applications to a large degree. This project is to adopt the currently widely concerned processing framework of patch-based method to the area of fully PolSAR image processing. The ideas of patch-based collaborative processing and learning are employed to develop 3D collaborative filter in the transformed domain, example-based super-resolution method, and polarimetric-spatial information fusion method. These methods aim at reducing the speckle noise and effectively improving the spatial resolution of the images, meanwhile preserving the polarimetric scattering mechanisms. This study has the possibility to provide a new processing framework for PolSAR image processing. Moreover, it can improve the describing ability of SAR data for the land objects, and it can also upgrade the potential of fully PolSAR data in many applications. Therefore, this research has important theoretical and applied significances.

全极化合成孔径雷达系统具有不可替代的观测优势，但随着系统复杂度与功率消耗的增加，全极化雷达影像不仅受相干斑噪声影响严重，还难以获得最优的空间分辨率，限制了其在各方面的应用潜力。为此，本项目拟深入研究全极化遥感影像的信息增强方法，以“去噪—超分—融合”为主线，发展图块协同处理与训练学习的处理方法，主要包括变换域三维协同滤波方法、基于样例学习的超分辨率重建方法、极化-空间互补的信息融合方法，通过解决全极化数据图块协同处理机制、极化特性保持方法等关键科学问题，实现在保持极化散射特性的同时，降低影像噪声水平并提升空间分辨率。本项研究可为全极化影像处理提供新的研究思路与处理框架，提升影像对地物目标的表达能力，增强全极化数据在各领域中的应用潜力，具有重要的理论与应用意义。

全极化遥感系统具有不可替代的观测优势，然而，由于全极化观测增加了系统的复杂度与功率消耗，导致影像不但受相干斑噪声影响严重，分辨率一般也要低于单极化影像，限制了其在各方面的应用潜力。本项研究将非局部理论、变分优化以及深度学习引入到全极化影像信息增强领域，采用对图块进行协同处理与训练学习的思路，以“去噪—超分—融合”为主线，发展单/全极化SAR影像相干斑噪声抑制方法、全极化SAR数据超分辨率重建、极化-空间互补的信息融合方法，建立了一套较完备的全极化遥感影像信息增强理论和方法体系，在保持极化散射特性的同时降低影像噪声水平，并有效提高影像的空间分辨率。研究成果成功用于RADARSAT-2和ESAR等SAR数据的处理工作，可为全极化影像处理提供新的研究思路与处理框架，提升影像对地物目标的表达能力，增强全极化数据在各领域中的应用潜力。. 按照既定的研究计划，项目圆满完成了课题设定的研究内容，实现了预期目标，并在研究的深度和广度上都比既定计划有了进一步的扩展。在项目资助下，项目组发表科研论文33篇，其中25篇SCI检索，获得2017测绘科技进步奖一等奖；出版《遥感数据质量改善之信息复原》专著1部；申请专利3项；发布开源系列代码一套；在人才培养方面，项目负责人入选长江学者特聘教授；项目组培养已毕业博士4名、硕士2名，在读博士生2人、硕士生1人。